Nur wenige Monate zuvor diskutierte ein MIT-Papier von Andrew W. Lo und Jillian Ross die Generative KI und Finanzberatung anhand einer Fallstudie. Es sorgte sicherlich dafür, dass unsere Branche aufhorchte und feststellte, dass “Ein LLM (Large Language Model) überzeugend und oft genau die Rolle eines Finanzberaters für einen Kunden übernehmen kann”.
Besonders besorgniserregend war die Feststellung der Autoren, dass KI darauf trainiert werden kann, eine Persönlichkeit zu synthetisieren, die für Kunden ansprechend ist, allerdings “selbst das größte Sprachmodell scheint derzeit den für einen menschlichen Finanzberater gesetzlich erforderlichen Verantwortungs- und Ethikanspruch zu vermissen.”
Und jetzt ist es an der Zeit, dass Analysten alarmiert sind. Eine brandneue Studie der University of Chicago Booth School of Business von den Forschern Alex G. Kim, Maximilian Muhn und Valeri V. Nikolaev zeigt, dass große Sprachmodelle (LLMs), insbesondere GPT-4, menschliche Finanzanalysten bei der Vorhersage von Gewinnänderungen aus Finanzberichten übertreffen können.
Die Autoren des Berichts verwendeten Chat GPT-4 Turbo für ihre Forschung und versuchten, die Daten so weit wie möglich zu anonymisieren – ihre Ergebnisse zeigten, dass die Genauigkeit der KI-Ergebnisse “bemerkenswert höher war als die der Analysten”.
Die Studie zeigt, dass GPT-4, auch ohne narrative oder branchenspezifische Informationen, menschliche Analysten in der Vorhersage der zukünftigen Gewinnrichtung übertrifft. Mit einem Chain-of-Thought-Prompt (CoT), der das schrittweise Denken von menschlichen Analysten imitiert, erreicht GPT-4 eine beeindruckende Genauigkeit von 60,35%, verglichen mit der 52,71% Genauigkeit der Analysten.
Das LLM zeigt einen deutlichen Vorteil in Situationen, in denen menschliche Analysten zu kämpfen haben, wie bei Unternehmen mit hoher Gewinnvolatilität oder solchen, die Verluste verbuchen. Dies legt nahe, dass GPT-4 komplexe finanzielle Szenarien effektiv bewältigen kann und zuverlässige Erkenntnisse liefert, wenn menschliche Vorhersagen versagen.
Die Leistung des LLM entspricht modernsten maschinellen Lernmodellen wie künstlichen neuronalen Netzen (ANN), die speziell für die Gewinnvorhersage trainiert sind. Die Genauigkeit von GPT-4 ist vergleichbar mit diesen spezialisierten Modellen und untermauert weiterhin ihr Potenzial in der Finanzanalyse.
Obwohl sie in bestimmten Bereichen übertreffen, stellt die Studie fest, dass menschliche Analysten und die Vorhersagen von GPT-4 sich ergänzen können. Gemeinsam bieten sie inkrementelle Erkenntnisse und verbessern die Gesamtvorhersagegenauigkeit.
Handelsstrategien, die auf den Vorhersagen von GPT-4 basieren, erzielen im Vergleich zu traditionellen Modellen höhere Sharpe-Ratios und Alphas, was auf überlegene risikobereinigte Renditen hindeutet. Dies positioniert LLMs als wertvolle Werkzeuge bei Investitionsentscheidungen.
Die Forschungsmethodologie hat rigoros die Fähigkeiten von GPT-4 in der Finanzanalyse von Finanzberichten getestet, unter anderem durch Anonymisierung, standardisierte Datenverarbeitung, Prompt-Engineering, robuster Leistungsbewertung und Vergleich mit menschlichen und maschinellen Benchmarks. Die Ergebnisse zeigen, dass zumindest in dieser Studie GPT-4 das Potenzial hat, traditionelle Finanzanalysten und spezialisierte maschinelle Lernmodelle bei der Vorhersage zukünftiger Gewinne zu übertreffen. Es ist noch früh, aber die Technologie entwickelt sich schnell und die Finanzberatungsbranche könnte vor einem Wandel stehen.